HangOver项目10.10版本发布:ARM64架构Windows应用兼容层新进展
HangOver是一个创新的开源项目,旨在为ARM64架构的Linux系统提供Windows应用程序兼容层。该项目通过结合Box64和Wine技术,实现了在非x86架构上运行Windows应用程序的能力,为ARM生态系统的应用兼容性提供了新的解决方案。
核心组件更新
本次发布的10.10版本带来了几项重要的技术改进:
-
架构优化:移除了box64cpu.dll组件,转而采用WowBox64.dll实现更高效的64位应用兼容层。这一变更简化了架构,提高了运行效率。
-
Box64升级:集成了Box64的最新Git提交(01e997a4da3caf666569ad1260706fb48081da89),带来了性能提升和兼容性改进。Box64作为x86_64到ARM64的二进制转换层,其更新对整体性能有显著影响。
-
图形支持增强:DXVK版本升级至2.6.2,这一Direct3D到Vulkan的转换层更新为Windows游戏和图形应用提供了更好的兼容性和性能表现。
多发行版支持
HangOver 10.10版本提供了针对多个主流Linux发行版的预编译包,体现了项目对广泛兼容性的重视:
- Debian系列:支持从Debian 11(Bullseye)到Debian 13(Trixie)的多个版本
- Ubuntu系列:覆盖了从Ubuntu 20.04(Focal)到Ubuntu 25.04(Plucky)的多个LTS和常规版本
这种多版本支持策略确保了用户可以在不同的Linux环境下获得一致的Windows应用运行体验。
技术意义与应用前景
HangOver项目的持续发展对ARM生态具有重要意义:
-
跨架构兼容:打破了x86与ARM架构间的应用壁垒,为ARM设备提供了更丰富的软件生态。
-
性能优化:通过持续更新底层转换层,不断提升Windows应用在ARM平台上的运行效率。
-
开发者友好:预编译包降低了使用门槛,使开发者能更便捷地在ARM平台上测试和运行Windows应用。
随着ARM架构在服务器、桌面和移动计算领域的普及,HangOver这类兼容层项目将发挥越来越重要的作用,为跨平台应用迁移和兼容提供技术基础。10.10版本的发布标志着该项目在稳定性和性能方面又向前迈进了一步。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00